Evaluating the impact of outcome delay on the efficiency of sample size re-estimation

तकनीकी सारांश: नमूना आकार पुनर्मूल्यांकन (Sample Size Re-estimation) की दक्षता पर परिणाम विलंब (Outcome Delay) के प्रभाव का मूल्यांकन

समस्या विवरण
नमूना आकार पुनर्मूल्यांकन (SSR) एक व्यापक रूप से उपयोग किया जाने वाला एडेप्टिव डिज़ाइन है, जिसका उद्देश्य यह सुनिश्चित करना है कि नैदानिक परीक्षण पूर्व-निर्धारित पावर आवश्यकताओं को पूरा करें, जब नियोजन चरण के दौरान अनिश्चितता (जैसे, विचरण या घटना दर) मौजूद हो। जबकि SSR डिज़ाइन, विशेष रूप से ब्लाइंडेड "इंटरनल पायलट" प्रकार के, लचीलापन प्रदान करते हैं, वे आमतौर पर यह मान लेते हैं कि प्रतिभागी भर्ती होने के तुरंत बाद उपचार के परिणाम उपलब्ध हो जाते हैं। व्यवहार में, कई परीक्षणों में दीर्घकालिक प्राथमिक एंडपॉइंट शामिल होते हैं जहाँ परिणामों में विलंब होता है।

यह विलंब एक "पाइपलाइन" प्रभाव पैदा करता है: यदि अंतरिम परिणामों की प्रतीक्षा करते समय भर्ती जारी रहती है, तो कई ऐसे प्रतिभागी भर्ती किए जा सकते हैं जिनके परिणाम अंतरिम विश्लेषण के समय तक उपलब्ध नहीं होंगे। यदि विलंब पर्याप्त है, तो परीक्षण में आवश्यक पुनर्मूल्यांकित नमूना आकार से अधिक प्रतिभागियों को भर्ती किया जा सकता है। इससे एक ओवर-पावर्ड (over-powered) परीक्षण होता है, जिससे अनावश्यक वित्तीय लागत और संसाधनों की बर्बादी होती है। इसके विपरीत, परिणामों की प्रतीक्षा करने के लिए भर्ती को रोकना परीक्षण की अवधि को लंबा कर देता है। पिछले साहित्य ने स्थापित किया है कि परिणाम विलंब ग्रुप-सीक्वेंशियल और मल्टी-स्टेज डिज़ाइनों को नकारात्मक रूप से प्रभावित करते हैं, लेकिन SSR डिज़ाइनों के लिए विशिष्ट दक्षता हानि, विशेष रूप से अंतिम नमूना आकार के वितरण और पुनर्मूल्यांकन की सटीकता के संबंध में, आगे के अन्वेषण की आवश्यकता थी।

कार्यप्रणाली
लेखक एक सिमुलेशन अध्ययन का उपयोग करके ब्लाइंडेड SSR डिज़ाइनों की दक्षता पर परिणाम विलंब के प्रभाव की जांच करते हैं। अध्ययन निरंतर परिणामों (नॉर्मल डिस्ट्रीब्यूशन) पर केंद्रित है और पूरक सामग्री में बाइनरी परिणामों तक विस्तृत है।

• डिज़ाइन फ्रेमवर्क: अध्ययन एक दो-चरणीय (two-stage) डिज़ाइन मानता है जहाँ $n_1$ प्रतिभागियों की भर्ती के बाद एक अंतरिम विश्लेषण किया जाता है। अनिश्चित पैरामीटर (विचरण $\sigma^2$) का पुनर्मूल्यांकन ब्लाइंडेड डेटा के पूल्ड सैंपल वेरिएंस का उपयोग करके किया जाता है। लक्षित पावर प्राप्त करने के लिए पुनर्मूल्यांकित नमूना आकार के आधार पर नमूना आकार को समायोजित किया जाता है।
• विलंब मॉडलिंग: अध्ययन प्राथमिक परिणामों को देखने के लिए आवश्यक विलंब अवधि $m$ (समय इकाइयाँ) को मॉडल करता है। यह माना गया है कि इस अवधि के दौरान भर्ती जारी रहती है। "पाइपलाइन" प्रतिभागियों ($n_{delay}$) की संख्या, दो भर्ती पैटर्न के तहत गणना की जाती है:
  1. यूनिफॉर्म (Uniform): निरंतर भर्ती दर (पॉइसन अराइवल)।
  2. लीनियर (Linear): समय के साथ रैखिक रूप से बढ़ती भर्ती दर (नए साइट्स खुलने का अनुकरण करते हुए)।
• अंतिम नमूना आकार ($N^*$): अंतिम नमूना आकार पुनर्मूल्यांकित आवश्यकता ($n^*$) और पाइपलाइन प्रतिभागियों द्वारा निर्धारित किया जाता है। यदि $n^*$ पाइपलाइन संचय से अधिक है, तो $N^* = n^*$। यदि पाइपलाइन संचय पुनर्मूल्यांकित आवश्यकता से अधिक हो जाता है, तो $N^* = n_1 + n_{delay}$, जिसके परिणामस्वरूप एक ओवर-रिक्रूटेड परीक्षण होता है।
• परिदृश्य (Scenarios): प्रारंभिक धारणा ($\sigma^2_{init}$) के सापेक्ष तीन विचरण परिदृश्यों के तहत 10,000 प्रतियों (replicates) के लिए सिमुलेशन चलाए गए:
  • केस I: वास्तविक विचरण कम है ($\sigma^2 = 8 < 10$), जिससे नियोजित आकार से छोटा पुनर्मूल्यांकित नमूना आकार प्राप्त होता है।
  • केस II: वास्तविक विचरण धारणा के समान है ($\sigma^2 = 10 = 10$)।
  • केस III: वास्तविक विचरण अधिक है ($\sigma^2 = 12 > 10$), जिससे नियोजित आकार से बड़ा पुनर्मूल्यांकित नमूना आकार प्राप्त होता है।
• दक्षता मेट्रिक्स: लेखक विलंब के प्रभाव को मापने के लिए तीन मेट्रिक्स का प्रस्ताव करते हैं और उनका उपयोग करते हैं:
  1. विलंब प्रभाव (Delay Impact): उन परीक्षणों का अनुपात जहाँ पाइपलाइन प्रतिभागियों के कारण अंतिम नमूना आकार पुनermूल्यांकित आवश्यकता से अधिक हो जाता है।
  2. रूट मीन स्क्वायर एरर (RMSE): "ओरेकल" नमूना आकार (वह आकार जो आवश्यक होता यदि वास्तविक विचरण शुरुआत से ज्ञात होता) के सापेक्ष अंतिम नमूना आकार की सटीकता को मापता है।
  3. लागत (Cost): एक नवीन मेट्रिक जिसे $E[(N^* - n_{oracle})^2 / 100 \times Power(N^*)]$ के रूप में परिभाषित किया गया है। यह अंडर-पावर्ड परीक्षणों को अधिक गंभीरता से दंडित करता है, जो अतिरिक्त भर्ती की लागत की तुलना में उपचार प्रभाव का पता लगाने में विफल होने के उच्च परिणाम को दर्शाता है।

मुख्य परिणाम
सिमुलेशन के परिणाम दर्शाते हैं कि परिणाम विलंब का प्रभाव वास्तविक विचरण और प्रारंभिक नियोजित नमूना आकार के बीच के संबंध, साथ ही भर्ती पैटर्न पर अत्यधिक निर्भर है।

• अंतिम नमूना आकार का वितरण: जैसे-जैसे विलंब की लंबाई ($m$) बढ़ती है, अंतिम नमूना आकार के वितरण का प्रसार (spread) कम हो जाता है क्योंकि न्यूनतम प्राप्त होने योग्य नमूना आकार बढ़ जाता है (पाइपलाइन प्रतिभागियों के संचय के कारण)।
• केस I (ओवर-प्लान्ड/वास्तविक विचरण कम): यह परिदृश्य विलंब से सबसे अधिक प्रभावित होता है। चूंकि पुनर्मूल्यांकित नमूना आकार प्रारंभिक योजना से छोटा है, इसलिए पाइपलाइन प्रतिभागी अक्सर कुल भर्ती संख्या को आवश्यक $n^*$ से ऊपर धकेल देते हैं। इसके परिणामस्वरूप उच्च "विलंब प्रभाव" (उदाहरण के लिए, यूनिफॉर्म रिक्रूटमेंट के तहत 10 महीने के विलंब के लिए ~80%) होता है और बार-बार ओवर-पावर्ड परीक्षण होते हैं। RMSE और कॉस्ट मेट्रिक्स विलंब के साथ तेजी से बढ़ते हैं।
• केस III (अंडर-प्लान्ड/वास्तविक विचरण अधिक): यह परिदृश्य विलंब से सबसे कम प्रभावित होता है। पुनर्मूल्यांकित नमूना आकार प्रारंभिक योजना से बड़ा है, इसलिए पाइपलाइन प्रतिभागी आवश्यक कुल संख्या की ओर सकारात्मक योगदान देते हैं। विलंब प्रभाव न्यूनतम है, और कुछ मामलों में (यूनिफॉर्म रिक्रुटमेंट), विलंब के दौरान भर्ती जारी रखना दक्षता में सुधार भी कर सकता है।
• भर्ती पैटर्न: यूनिफॉर्म पैटर्न की तुलना में लीनियर रिक्रुटमेंट पैटर्न में उच्च लागत और अधिक विलंब प्रभाव होता है क्योंकि त्वरित भर्ती दर विलंब अवधि के दौरान अधिक पाइपलाइन प्रतिभागी उत्पन्न करती है।
• प्रथम-चरण का नमूना आकार ($n_1$): $n_1$ बढ़ाने से पुनर्मूल्यांकित नमूना आकार की परिवर्तनशीलता कम होती है, लेकिन विलंब की उपस्थिति में न्यूनतम अंतिम नमूना आकार बढ़ जाता है। लेखक पाते हैं कि प्रति आर्म 35 प्रतिभागियों का प्रथम-चरण नमूना आकार, विचरण अनुमान की विश्वसनीयता और विलंब-प्रेरित ओवर-रिक्रूटमेंट की गंभीरता को सीमित करने के बीच एक संतुलन बनाता है।

महत्व और दावे
यह शोध दावा करता है कि हालांकि SSR एक शक्तिशाली उपकरण है, नियोजन चरण में परिणाम विलंब की अनदेखी करने से महत्वपूर्ण दक्षता हानि हो सकती है, जो मुख्य रूप से ओवर-पावर्ड परीक्षणों और बढ़ी हुई लागत के रूप में प्रकट होती है। अध्ययन प्रदर्शित करता है कि:

1. संदर्भ-निर्भर प्रभाव: विलंब की गंभीरता समान नहीं है; यह तब सबसे अधिक हानिकारक होती है जब वास्तविक विचरण अनुमानित विचरण से कम होता है, जिससे परीक्षण को मूल रूप से नियोजित आकार से कम प्रतिभागियों की आवश्यकता होती है।
2. मेट्रिक नवाचार: "कॉस्ट" मेट्रिक और "डिले इम्पैक्ट" का परिचय पारंपरिक मेट्रिक्स की तुलना में दक्षता हानि की अधिक सूक्ष्म समझ प्रदान करता है, जो विशेष रूप से ओवर-रिक्रूटमेंट के जोखिम को उजागर करता है।
3. व्यावहारिक मार्गदर्शन: परिणाम सुझाव देते हैं कि निरंतर परिणाम डेटा के लिए, प्रति आर्म 35 प्रतिभागियों की भर्ती के बाद अंतरिम विश्लेषण करना एक उचित रणनीति है। यह पिछले एक्सटर्नल पायलट सिफारिशों (Teare et al.) के अनुरूप है लेकिन ब्लाइंडेड इंटरनल पायलट SSR के संदर्भ में इसे विस्तारित करता है, जो विचरण अनुमान की सटीकता और पाइपलाइन संचय के जोखिम के बीच संतुलन बनाता है।
4. सापेक्ष मजबूती: लेखक नोट करते हैं कि हालांकि विलंब SSR को प्रभावित करता है, लेकिन इसका प्रभाव प्रभावकारिता या फ्यूटिलिटी (efficacy or futility) के लिए शीघ्र रुकने वाले डिज़ाइनों (जैसे, साइमन का टू-स्टेज या ग्रुप-सीक्वेंशियल डिज़ाइन) की तुलना में कम गंभीर है।

लेखक निष्कर्ष निकालते हैं कि संभावित वित्तीय और संसाधन संबंधी नुकसानों को कम करने के लिए SSR परीक्षणों की योजना बनाने हेतु विशिष्ट भर्ती पैटर्न और विलंब लंबाई को ध्यान में रखने वाले सावधानीपूर्वक सिमुलेशन अध्ययन आवश्यक हैं। वे विलंब के तहत मौजूदा "ब्लाइंड" दृष्टिकोण के मात्रात्मक मूल्यांकन के बजाय नए एल्गोरिदम का प्रस्ताव नहीं करते हैं।